امیرحسین حسینیان

در این پژوهش، یک مدل ریاضی چندهدفه برای مسئله زمان بندی خدمه پرواز چندمهارته ارائه شده است. در این مسئله، خدمه دارای دو مهارت سرمهمانداری و مهمانداری هستند و هر یک با توجه به تجربه ای که دارند، امکان تخصیص یافتن به پروازها و یا انواع هواپیما را پیدا می کنند. اهداف مدل پیشنهادی عبارت اند از: 1. بیشینه سازی مجموع انطباق روزهای مرخصی بر روزهای درخواستی افراد و 2. کمینه سازی مجموع جریمه انحرافات از حداقل و حداکثر ساعات کاری مجاز. با توجه به NP-Hard بودن مسئله زمان بندی خدمه، برای حل مدل پیشنهادی از دو الگوریتم فراابتکاری تکامل تفاضلی چندهدفه (MODE) و الگوریتم ژنتیک با مرتب سازی غیرمغلوب نسخه دوم (NSGA-II) استفاده شده است. پارامترهای دو الگوریتم توسط روش تاگوچی تنظیم شده اند. دو الگوریتم بر اساس چند معیار سنجش عملکردی چندهدفه مورد مقایسه قرار گرفتند. هر کدام از الگوریتم ها توانستند از نظر برخی از معیارهای سنجش عملکردی موفق تر عمل کنند. نتایج مقایسات الگوریتم ها و تحلیل حساسیت نشان داد که الگوریتم NSGA-II در زمان کمتر (حدود 18درصد) و کیفیت جواب های بهتری می تواند زمان بندی های مناسب تری برای مسئله زمان بندی خدمه پرواز ارائه کند.

  شناسایی ساختارهای موجود در شبکه های اجتماعی، فرآیندی حائز اهمیت در تحلیل این شبکه ها است. یکی از مسائلی که در سال های اخیر در زمینه شناسایی ساختارهای شبکه های اجتماعی مطرح شده است، مسئله اجتماع یابی است. با توجه به اهمیت این موضوع، تاکنون روش های حل متنوع و گوناگونی برای اجتماع یابی پیشنهاد شده است. در پژوهش حاضر، یک الگوریتمی ترکیبی از روش های بهینه سازی علف های هرز و ژنتیک پیشنهاد شده است که هدف آن یافتن جواب های مناسب و باکیفیت برای مسئله اجتماع یابی است. در این روش ترکیبی، جواب های اولیه توسط روش بهینه سازی علف های هرز تولید می شوند و در ادامه جواب های یافته شده به وسیله الگوریتم ژنتیک در فرآیند بهینه سازی، بهبود می یابند. ارزیابی برازندگی جواب ها، مبتنی بر معیار چگالی پودمانگی است. چگالی پودمانگی، معیاری با ماهیت بیشینه سازی است که میزان کیفیت اجتماعات کشف شده را به دست می دهدمشخص می کند. به منظور بررسی کیفیت جواب های الگوریتم پیشنهادی، نتایج این روش نسبت به چهار الگوریتم علف های هرز، ژنتیک، الگوریتم کرم شب تاب و یک الگوریتم جستجوی کاملاً تصادفی مقایسه شده اند. پارامترهای این الگوریتم ها به کمک یک رویکرد طراحی آزمایش ها تنظیم شده اند. این مقایسات بر روی شبکه های محک گوناگون و با ابعاد متفاوت انجام شده اند. با توجه به نتایج به دست آمده، می توان دریافت که الگوریتم پیشنهادی قادر به تولید جواب هایی باکیفیت بالا است. اعتبارسنجی نتایج الگوریتم ها نیز توسط شاخص اطلاعات متقابل نرمال انجام شده است.  

یکی از مسائل مهم در زمینه شبکه های اجتماعی، مسئله اجتماع یابی است. هدف اجتماع یابی، افرازبندی شبکه به بخش هایی است که ارتباط میان اعضای شبکه در این نواحی متراکم است. به دلیل ارتباط پررنگ اعضای شبکه در این بخش ها، می توان این اعضا را متعلق به یک اجتماع دانست. تحقیقات بسیاری به توسعه الگوریتم های متعدد در حل این مسائل پرداخته اند. در این پژوهش نیز یک الگوریتم ژنتیک مبتنی بر روش تصمیم گیری چندمعیاره تاپسیس ارائه شده است. در الگوریتم پیشنهادی، عملگرهای تقاطع و جهش بر جواب هایی اعمال می شوند که روش تاپسیس به دست می دهد. برازندگی جواب ها بر اساس شاخص های پودمانگی و چگالی پودمانگی مشخص می شود. در ادامه این مقاله، کارایی الگوریتم پیشنهادی نسبت به الگوریتم ژنتیک کلاسیک و یک الگوریتم حریصانه از طریق انجام آزمایش های عددی سنجیده شد که نتایج نشان از برتری الگوریتم پیشنهادی داشت.